%0 Journal Article
%T Small World Structure Inspired Many to Many Kernel Associative Memory Models and Their Application<br>小世界体系的多对多核联想记忆模型及其应用
%A CHEN Lei
%A CHEN Song-Can
%A ZHANG Dao-Qiang
%A <br>陈蕾
%A 陈松灿
%A 张道强
%J 软件学报
%D 2006
%I 
%X 运用机器学习中新颖的核方法和社会网络中广泛存在的小世界现象,对Hattori等人提出的多模块多对多联想记忆模型(multi-module associative memory for many-to-many associations,简称(MMA)2)进行了改进,构建出了一个基于小世界体系的多对多核联想记忆模型框架(small world structure inspired many to many kernel associative memory models,简称SWSI-M2KAMs).该框架不仅克服了原模型不能联机提交训练样本且迭代次数过多的缺陷,而且拓展了原模型的智能信息处理范围.更重要的是,通过核函数的选取,该模型框架可以衍生出更多新的多对多联想记忆模型,而且,由于小世界结构的引入,在一定程度上简化了模型的结构复杂度.最后的计算机模拟,证实了新的模型具有良好的多对多联想记忆功能.
%K neural network
%K many to many associative memory
%K kernel trick
%K small world theory
%K intelligent information processing<br>神经网络
%K 多对多联想记忆
%K 核方法
%K 小世界理论
%K 智能信息处理
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=7735F413D429542E610B3D6AC0D5EC59&aid=39642115DE02FFFA&yid=37904DC365DD7266&vid=BCA2697F357F2001&iid=0B39A22176CE99FB&sid=E089FDF3CDAE8561&eid=FA89360EB995A8AD&journal_id=1000-9825&journal_name=软件学报&referenced_num=0&reference_num=15